6.9
深览指数
商业人人都是产品经理·张艾拉··AI 生成
Massive：一个 AI 自动投简历 App，怎么做到 200 万美元 ARR
深度拆解 AI 求职工具 Massive 从 0 到 200 万美元 ARR 的增长路径。核心发现包括：早期靠“刷 Tinder 找工作”这样一句话精准定位验证需求，但 4-5 万等候名单转化率极低，付费行为才是真实信号；UGC 增长需要围绕验证过的格式反复迭代而非堆量；灰色营销虽短期有效但长期风险极高。对国内 AI 创业者在场景选择、定价验证、内容获客上有直接参考价值。原文 ↗
核心观点
- ▍Massive 成功的关键不是技术壁垒，而是精准选择了“高痛苦、高回报”的求职场景，并用一句话定位（Tinder for jobs）快速完成需求验证。
- ▍等候名单（4-5万人）是增长陷阱，上线后只有 0.5% 注册转化；真正的起跑线是手动推广获取第一批 100-500 个付费用户后的产品迭代。
- 01创始人 Dan 用一条简单 LinkedIn 帖子（“帮 AI 帮你自动投简历”）获得约 800 万曝光和 5000 条评论，验证了市场需求。
- 02产品上线后通过手动抓取求职平台帖子、发私信，最初 9 个月做到 2 万美元 MRR，资金几乎耗尽。
- 03一条 1100 万播放的 UGC 视频只带来约 2 万美元 MRR，转化效率不高，且不同播放量阶段转化表现差异巨大。
- 04Massive 在订阅制上较早设置付费墙，核心判断是：求职有明确经济回报，用户愿意为结果付费。
- 05UGC 增长策略：80% 内容来自已验证格式，20% 用于新实验；通过微调语气、眼神、镜头等细节迭代，单条视频从数百播放做到 170 万播放。
反方 / 局限
- — 创始人自己指出：AI 自动投递可能导致招聘系统拥堵，形成“AI 求职者大量投递 → 企业强筛选 → 求职者更强工具”的恶性循环，长期价值在于提高匹配质量而非海投数量。
- — 业内存在大量灰色营销（用演员假装真实用户拿到 offer 的 UGC 视频），短期有效但创始人明确选择不做，因为会影响品牌和团队文化。
14 分钟 · 5 卡片 · 14 资料
读原文 →